数字图像处理报告完成版.docVIP

数字图像处理实验报告 姓名： 班级： 学号： 专业： 指导教师： 实验日期： 实验一 边缘检测 一、基本原理 本实验主要是对图像的边缘进行提取，通过对边缘的分析来分析图像的特征。 首先，了解一些术语的定义： 边缘点：图像中具有坐标[i,j]且处在强度显著变化的位置上的点。 边缘段：对应于边缘点坐标[i,j]及其方位,边缘的方位可能是梯度角。 边缘检测器：从图像中提取边缘（边缘点和边缘段）集合的算法。 轮廓：边缘列表，或者是一条表示边缘列表的拟合曲线。 边缘连接：从无序边缘表形成有序边缘表的过程，习惯上，边缘表的表示采用顺时针方向来排序。 边缘跟踪：一个用来确定轮廓的图像（指滤波后的图像）搜索过程。 边缘就是图像中包含的对象的边界所对应的位置。物体的边缘以图像局部特性的不连续性的形式出现的，例如，灰度值的突变，颜色的突变，纹理结构的突变等。从本质上说，边缘就意味着一个区域的终结和另外一个区域的开始。图像边缘信息在图像分析和人的视觉中十分重要，是图像识别中提取图像特征的一个重要属性。 边缘检测（edge detection）在图像处理和对象识别领域中都是一个重要的基本问题。由于边缘的灰度不连续性，可以使用求导数的方法检测到。最早的边缘检测方法都是基于像素的数值导数的运算。本实验主要是对图像依次进行Sobel算子，Prewitt算子,Roberts算子，Laplace算子和Canny算子运算，比较处理结果。 边缘检测有三个共性准则， 1，好的检测结果，或者说对边缘的误测率尽可能低，就是在图像边缘出现的地方检测结果中不应该没有；另一方面不要出现虚假的边缘。 2，对边缘的定位要准确，也就是我们标记出的边缘位置要和图像上真正边缘的中心位置充分接近。 3，对同一边缘要有尽可能低的响应次数，也就是检测响应最好是单像素的。 二、对图像进行各种算子运算 本实验中主要是对图像依次进行Sobel算子，Prewitt算子,Roberts算子，Laplace算子和Canny算子运算。 Matlab代码： clear all; close all; warning off all; I = imread(cameraman.tif); %%没有噪声时的检测结果 BW_sobel = edge(I,sobel); BW_prewitt = edge(I,prewitt); BW_roberts = edge(I,roberts); BW_laplace = edge(I,log); BW_canny = edge(I,canny); figure(1); subplot(2,3,1),imshow(I),xlabel(原始图像); subplot(2,3,2),imshow(BW_sobel),xlabel(sobel检测); subplot(2,3,3),imshow(BW_prewitt),xlabel(prewitt检测); subplot(2,3,4),imshow(BW_roberts),xlabel(roberts检测); subplot(2,3,5),imshow(BW_laplace),xlabel(laplace检测); subplot(2,3,6),imshow(BW_canny),xlabel(canny检测); %%加入高斯噪声（μ=0，σ^2=0.01）检测结果 I_g1 = imnoise(I,gaussian,0,0.01); BW_sobel = edge(I_g1,sobel); BW_prewitt = edge(I_g1,prewitt); BW_roberts = edge(I_g1,roberts); BW_laplace = edge(I_g1,log); BW_canny = edge(I_g1,canny); figure(2); subplot(2,3,1),imshow(I_g1),xlabel(加入高斯噪声(μ=0，σ^2=0.01)图像); subplot(2,3,2),imshow(BW_sobel),xlabel(sobel检测); subplot(2,3,3),imshow(BW_prewitt),xlabel(prewitt检测); subplot(2,3,4),imshow(BW_roberts),xlabel(roberts检测); subplot(2,3,5),imshow(BW_laplace),xlabel(laplace检测); subplot(2,3,6),imshow(BW_canny),xlabel(canny检测); %%加入高斯噪声（μ=0，σ^2=0.02）检测结果 I_g2 = imnoise(I,gaussian,0,0.02);